算法
tanliqing2010
这个作者很懒,什么都没留下…
展开
-
8种排序算法总结
复杂度总结一、冒泡排序1、基本思想2、动态图3、代码二、选择排序1、基本思想2、动态图3、代码三、插入排序1、基本思想2、动态图3、代码四、希尔排序1、基本思想2、动态图3、代码五、归并排序1、基本思想2、动态图3、代码六、快速排序1、基本思想2、动态图3、代码七、堆排序1、基本思想2、动态图3、代码八、 桶...原创 2018-03-22 16:07:55 · 212 阅读 · 0 评论 -
机器学习15-k-means-python
1. 原理参考博客1. 标准k-means基本思想:不断更新质心,直到质心变化不大2. 二分k-means基本思想:选取分簇之后的sse(到质心的距离平方和)是否最小分簇3. 小批量k-means基本思想:随机选取小批量样本,分配到最近的质心,更新质心,重复操作即可2. python实现1. 标准k-meansdef standard_kmeans(data_mat, k):...原创 2018-12-18 16:03:09 · 158 阅读 · 0 评论 -
机器学习09-SVM支持向量机-python
文章目录1. 原理推导2. python简单实现3. sklearn用法1. 原理推导参考博客 https://www.cnblogs.com/pinard/p/6113120.html2. python简单实现3. sklearn用法原创 2018-12-11 20:53:23 · 163 阅读 · 0 评论 -
机器学习07-GBDT-python
文章目录一. 原理推导二. python实现三. sklearngithub简单实现一. 原理推导二. python实现def calaResidual(yReal , yPre): return yReal - yPredef mapData(dataSet , preList): for i in range(len(dataSet)): data...原创 2018-12-11 20:31:02 · 418 阅读 · 0 评论 -
机器学习12-PCA主成分分析-python
1. 原理推导最大化投影方向的方差来的2. python简单实现def pca(dataMat, k): # 求每一列的均值 mean = np.mean(dataMat, axis=0) xMat = dataMat - mean # 协方差矩阵 covMat = np.dot(xMat.T, xMat) # 特征值特征向量 ...原创 2018-12-17 17:28:35 · 307 阅读 · 0 评论 -
机器学习11-KNN-python
1. 原理不需要训练,只需要简单的计算需要预测的数据与已知的数据的欧式距离,取最近的k个样本,投票决定属于哪个类别2. python实现def knn_clf(dataSet, target, pred, k): # 计算预测到每个样本的距离 diff = dataSet - pred distance = np.sum(diff ** 2, axis=1) ** 0...原创 2018-12-17 17:19:15 · 144 阅读 · 0 评论 -
机器学习05-adaboost-python
1. 原理推导2. 手把手实现1. 计算弱分类器权重def calaAlpha(minErr): return float(0.5 * np.log((1 - minErr) / max(minErr , 1e-16)))2. 更新样本权重def updateWeight(bestClass , labels , weigth ,alpha): ''' par...原创 2018-12-07 14:54:16 · 211 阅读 · 0 评论 -
机器学习17-DBSCAN基于密度聚类-python
1. 原理2. python简单实现def computer_distance(vec1, vec2): return np.sqrt(np.sum(np.power(vec1 - vec2, 2)))def computer_e_domian(dataset, e): m, n = dataset.shape e_domain = dict() for ...原创 2018-12-19 16:20:19 · 314 阅读 · 0 评论 -
机器学习03-朴素贝叶斯-python
1. 原理推导直观上去理解朴素贝叶斯算法2. 代码实现1. 计算概率def trainNB0(trainMat , trainCategory): ''' 计算文本每个词出现概率 para: trainMat: 文本词向量 trainCategory: 分类向量 return: p1Vec: ...原创 2018-12-06 16:35:50 · 199 阅读 · 0 评论 -
机器学习02-逻辑回归-python
文章目录1. 原理推导2. 代码实现3. sklearn实现1. 原理推导2. 代码实现github完整代码def sigmod(x): return 1/(1 + np.exp(-x)) def compute_loss_theta(data , target , theta): m,n = data.shape h = sigmod(np.dot(d...原创 2018-12-06 16:20:30 · 172 阅读 · 0 评论 -
机器学习04-决策树-python
文章目录1. 原理推导2. ID3算法实现1. 计算信息熵2. 分割数据3. 选择最佳特征以及最佳特征值4. 投票的方式确定叶子节点的类别5. 创建分类树6. 预测函数3. C4.5算法实现4. CART 分类树实现1. 基尼指数计算2. 分割数据3. 选择最佳特征以及特征值3. 创建分类树4. 预测5. CART 回归树实现1. 原理推导信息增益比准确计算方式2. ID3算法实现1....原创 2018-12-06 11:04:51 · 465 阅读 · 0 评论 -
机器学习06-随机森林-python
一. 原理推导1. 分类2. 回归二. 手把手实现github完整程序1. 数据抽样—数据集抽样+列抽样def getSubDataSet(dataSet ,feaNames , numFeat, ratio = 1.0): ''' para: dataSet 数据集 ratio 抽样比例 return: 抽...原创 2018-12-08 19:22:59 · 271 阅读 · 0 评论 -
机器学习汇总-python
day01 线性回归https://blog.csdn.net/tanliqing2010/article/details/84758736原创 2018-12-03 12:55:51 · 184 阅读 · 0 评论 -
机器学习01-线性回归-python
https://github.com/lmm915815/my_ML_python/tree/master/linear_regression原创 2018-12-03 12:54:09 · 200 阅读 · 0 评论 -
机器学习13-LDA线性判别分析-python
1. 原理推导2. python简单实现def center(data_mat, target): clf_list = set(target) data = [] for clf in clf_list: data.append(data_mat[target == clf]) center0 = [] for d...原创 2018-12-18 21:43:07 · 566 阅读 · 0 评论